正在加载页面内容
SOC 15-2051
本页条目对应分析师商业（O*NET-SOC 15-2051.01，Business Intelligence Analysts）：通过查询数据仓储并生成周期性报表来产出财务与市场情报——澄清业务问题、确认指标定义与粒度、编写并复核查询、做质量检查与异常解释、建立指标与维度模型、设计报表与仪表板、与业务方复核结论并向决策者说明限制、按权限发布并监控指标变化，同时维护模板与文档库；工作以室内久坐、数据与文档处理（95% 每天使用电子邮件、77% 持续或几乎持续坐着）和跨部门书面沟通为常态，其职责不等于业务口径的所有权，也不替代数据平台、数据治理与安全团队的责任。
一句话：这是一个把业务问题转成可复算指标与可复核建议的岗位，产出是可复算的指标、仪表板、异常分析、口径说明和面向决策者的建议；它不是业务口径的所有者，也不替代数据工程、数据科学或数据治理职责。美国与中国的当前工资数值本页均不固化：美国按证据路由提供精确职业代码的官方查询入口，中国大陆保留缺口、来源与职业映射边界。
学历、资格与授权必须分别核对：O*NET 把该职业列为 Job Zone Four（需要大量准备，SVP 7.0 至低于 8.0），多数岗位要求四年制学士学位，部分不要求；学历与证书通常是雇主的偏好而非统一执照，该职业没有统一的执业许可；数据访问与发布权限依组织的数据分级、行列级权限与适用合规要求确定；在美国与中国的当前工资数值方面，本条证据路由均为 暂无可安全使用的数据，本页不固化静态数值，只提供官方查询入口与边界说明。
先暂停高额投入的条件：你还没有完整做过一次从澄清决策问题、确认口径与粒度、取数与质量检查、建模与可视化到业务方复核的闭环练习；或者只想做图、不愿核对口径与数据来源，也不愿在被质疑时逐段复核查询；也不要把「会用某个 BI 工具」当作能独立交付可复算指标的证明。
分析师商业（O*NET-SOC 15-2051.01，Business Intelligence Analysts）通过查询数据仓储并生成周期性报表来产出财务与市场情报，并设计方法从可用的信息源中识别数据规律与趋势。日常工作包括：为高管、管理者、客户与其他干系人生成标准或定制报表；维护或更新商业智能工具、数据库、仪表板、系统或方法；管理商业智能信息及时流向用户；为既有报表、仪表板或其他工具提供技术支持；识别并分析具有业务战略含义的行业或地域趋势；为报表、仪表板或其他输出编写规格说明；创建商业智能工具或系统（含相关数据库、电子表格或输出的设计）；从行业报告、公开信息、现场报告或付费来源收集商业智能数据；传播工具、报表或元数据更新的信息；开展或协调测试以确保情报与既定需求一致；综合当前商业智能或趋势数据以支持行动建议；通过分析相关产品、市场或份额趋势分析竞争性市场策略；用商业智能工具识别或监控现有与潜在客户；与客户、竞争对手、供应商、专业组织等沟通以保持对行业趋势的了解；维护模型文档、模板或其他可复用知识资产的资料库；创建或复核技术设计文档以确保报表解决方案的准确开发；分析技术趋势以识别未来产品开发的市场或改进现有产品的销售。它承担指标质量、口径说明与建议的证据强度责任，但不替代业务口径所有者、数据平台团队或数据治理职责。
该职业的工作可分三类：一是问题与口径（澄清决策问题、确认指标定义与粒度、明确分母与时间窗、约定口径所有者与批准流程）；二是取数与交付（编写与复核查询、做质量检查与异常解释、建模与可视化、编写报表与仪表板规格、维护可复用模板与文档）；三是复核与运营（与业务方复核结论、说明假设与限制、发布并监控指标变化、为使用者提供技术支持与元数据更新）。三者共享同一条以可复算与可复核为核心的链条。
职业方向比较
下表比较的是分析师商业与相邻方向在职责与产出上的差别；判断依据是主要产出、责任对象与所需权限，而不是岗位名称的相近程度。
| 职业方向 | 核心工作与产出 | 关键区别 | 更适合什么选择 |
|---|---|---|---|
| 数据分析师与数据科学家（Data Scientists） | 用统计与机器学习从数据中推导预测与推断，产出以模型、实验结论与探索性分析为主。 | 数据科学家开发预测模型与推断方法，探索性更强；本职业强调稳定指标、持续报表与可复算口径，产出面向日常决策而非一次性建模。 | 若你更愿意做建模与算法探索，优先考察数据科学家方向；若你更愿意把指标做稳、把口径讲清，优先考察本职业。 |
| 数据工程师（Data Engineers） | 建设与维护数据管道、存储与平台，产出以可靠的数据供给与流水线为主。 | 数据工程师是数据产品的供给方，负责管道、存储与运行可靠性；本职业是消费与验证方，负责指标定义、质量检查与面向决策的呈现。 | 若你更愿意做平台与管道工程，优先考察数据工程师方向；若你更愿意面向业务定义指标并解释结果，优先考察本职业。 |
AI 对职业的影响
结论：查询草稿、图表建议、自然语言问数与文字摘要等环节可由工具辅助，但没有官方证据表明它会取代指标口径的所有权判断、口径批准、权限合规与对外发布责任。任务暴露、流程自动化程度与就业数量是三个不同概念。
在查询草稿、图表建议、自然语言问数与文档整理这类可复核环节，工具确实能提高效率。但工具不知道指标契约、口径批准状态与权限边界，也不了解业务变化，产出必须回到原始表、血缘与指标定义逐段核对。
取决于组织的数据分级与访问控制、对生成式工具的数据出域限制、审计与留痕要求，以及是否允许把自然语言问数接入敏感数据域。技术可行不等于被允许直接用于对外发布或作为决策依据，也不等于组织已经采用。
任务暴露、流程自动化程度与就业数量是不同测量对象。本条证据路由对工资与就业数据均以 暂无可安全使用的数据 处理，本页不转录静态数值，也不从暴露度推断岗位消失；需要市场判断时应按精确职业代码与地区、期间查询官方来源。
| 工作方向 | 任务 | 当前变化 | 人的控制点 |
|---|---|---|---|
| 问题与口径 | 澄清决策问题、确认指标定义与粒度，并记录假设与数据来源。 |
中国大陆薪资参考
职业对照：美国 O*NET-SOC 15-2051.01（Business Intelligence Analysts，SOC 15-2051）；中国大陆无直接对应的职业细类代码，须按岗位实际职责归类。
职业分类：中国大陆《中华人民共和国职业分类大典（2022 年版）》没有与「分析师商业」一一对应的细类；相关职责可能落在数据分析、信息系统运维与经营管理岗位中，其报告线、数据权限与任职要求各不相同，须按岗位实际职责判断。
证据不足：未取得与分析师商业精确对应的全国职业月薪分布；本页不发布替代数值。
证据不足：未取得可核验的地区级职业月薪数据，本页不出示地区排名。
证据不足：未有官方或可核验来源支持其他地区该职业的月薪区间。
美国薪资参考
直接回答：本页不提供美国该职业的静态工资数值。按本条证据路由，工资应通过 Business Intelligence Analysts（15-2051.01）的官方工资页面按地区与统计期间查询；不能把地区数据当作个人报价或录用承诺，也不能把不同地区、不同期间的数值混用。
| 工资统计位置 | 年工资参考 | 换算边界 | 怎样理解这个位置 |
|---|---|---|---|
| 第 10 百分位 | 证据不足：本条证据路由不固化该职业的第 10 分位 | 官方折算，非个人月收入 | 本页不提供分布下限；官方页面可按地区与期间查询，且不构成起薪承诺。 |
| 第 50 百分位 | 证据不足：本条证据路由不固化美国工资数值（请按地区与期间查询官方页面） | 非个人月收入 | 本页不提供中位数数值；它需在官方页面按地区与期间查询，且不代表个人实发收入。 |
职业适配指南
直接回答：更有解释力的适配信号是能追问指标如何计算、把模糊业务问题改写成可验证定义、愿意复查数据血缘和权限、并能向非技术决策者解释限制。
你可能更适合： 你能把业务问题改写成可验证的指标定义，并在说明中标注假设、分母与时间窗；你愿意在数据质量或权限存疑时先停止并升级，而不是先发布再解释。
这些情况需要慎重： 你嫌核对口径与数据来源麻烦、习惯直接出图、在被指出分母或连接错误时抵触纠正，或把权限与合规要求当作可以绕过的流程；这些都会直接放大结论错误与合规风险，需要慎重。
做一次入行练习： 在受监督的练习中，用一份虚构数据集完成需求澄清、指标定义、查询与质量检查、可视化与一页建议，请一位从业者指出口径与表达问题；再判断自己是否愿意长期做这类工作。
工作压力、风险与职业边界
直接回答：主要风险包括分母与口径漂移导致部门结论冲突、数据权限过滤失效导致越权展示、生成式工具生成的查询连接错误导致数字看似合理、仪表板延迟未标注导致决策使用过期数据、口径与血缘文档缺失导致结论无法复算，以及敏感数据对外提供的合规风险；控制依赖指标契约与回归测试、最小权限与行列级控制、对照样本逐段复核、刷新时效标注与质量告警，以及明确的发布与升级流程。
证据范围：风险与边界条目依据 O*NET 15-2051.01 的官方任务、工作活动与工作情境，以及组织数据治理通行做法与 ILO 任务暴露研究整理；不替代所在组织的数据治理制度与适用法域的具体规定。
典型场景：未经批准擅自调整分母或统计范围以迎合结论。
主要岗位：分析师与业务所有者
可能后果：分母与时间窗口径漂移会让不同部门的结论相互冲突，且难以判断是口径问题还是业务变化。
降低风险：维护指标契约并做回归测试；口径变更由业务所有者批准，并同步更新文档与仪表板说明。
依据：career.source.onet-details · career.source.onet-summary
入行、资格与职业发展
直接回答：O*NET 把该职业列为 Job Zone Four（需要大量准备，SVP 7.0 至低于 8.0），多数岗位要求四年制学士学位，部分不要求，通常还需要数年相关工作技能、在职培训或职业培训；学历与证书通常是雇主偏好而非统一执照（该职业没有统一执业许可）；数据访问与发布权限依组织的数据分级与适用合规要求确定。
职业前景与相关职业转向
直接回答：本条证据路由对 Business Intelligence Analysts（SOC 15-2051）精确职业口径 的工资、就业与预测数值均以 暂无可安全使用的数据 处理，本页不转录具体数字；该职业页面标注 Bright Outlook 与 Job Zone Four。市场判断应同时查看精确职业代码、地区、行业与统计期间，并按官方页面查询；中国大陆没有单列该职业的全国职业工资统计，本页保留缺口、来源与职业映射边界。
美国 · 暂无可安全使用的数据
证据不足：本条路由不固化该职业的工资与就业数值
工资与就业查询入口
为 Business Intelligence Analysts（SOC 15-2051）精确职业口径 的官方查询口径，本条路由不固化数值。
不能说明：招聘关键词不能单独证明全国需求或薪资；数据基础设施成熟度、自助分析与治理要求会改变岗位组合。
通过查询数据仓储生成周期性报表与商业智能信息：澄清业务问题、确认指标定义与粒度、编写并复核查询、做质量检查与异常解释、建立指标与维度模型、设计报表与仪表板、与业务方复核结论并写出一页建议、按权限发布并监控指标变化，同时维护模板与文档库、更新元数据并为使用者提供技术支持。
主要风险是分母与口径漂移导致部门结论冲突、权限过滤失效导致越权展示、生成式工具生成的查询连接错误导致数字看似合理、仪表板延迟未标注导致决策使用过期数据、口径与血缘文档缺失导致结论无法复算，以及敏感数据对外提供的合规风险；控制依赖指标契约与回归测试、最小权限与行列级控制、对照样本逐段复核、刷新时效标注与质量告警，以及明确的发布与升级流程。
适配信号是能追问指标如何计算、把模糊业务问题改写成可验证定义、愿意复查数据血缘和权限、并能向非技术决策者解释限制；会用某个 BI 工具不足以证明胜任，关键是有无可被复核的指标交付与口径文档。
一句话判断：分析师商业不是「把数据导出来做个图」，而是把模糊的业务问题转成可复算的指标定义、可交接的报表与可复核的口径说明。O*NET 把该职业列为 Job Zone Four（需要大量准备，SVP 7.0 至低于 8.0）并标注 Bright Outlook，兴趣代码为 CIE。核心边界是：你可以定义指标与粒度、编写与复核查询、做质量检查、建模与可视化、向决策者说明限制；但不能越过数据权限与合规要求，不能替业务所有者批准口径，也不能把未经验证的输出直接对外发布或作为承诺。
继续探索的信号：你会追问「这个指标怎么算」而不是只看图；能把模糊的业务问题改写成可验证的定义；愿意复查数据血缘、口径与权限；能在不确定时说明证据强度并向非技术决策者解释限制；并且接受以桌面分析、报表维护与跨部门沟通为主的日常工作方式。
问题与口径
取数与交付
分析师商业以「稳定指标与持续报表」为产出；数据分析师做更广的探索分析，更强调一次性发现而非指标稳定性；数据工程师建设管道与平台，是数据产品的供给方；数据科学家开发预测模型，输出的是模型与推断；运营研究分析师使用优化模型求解运筹问题；数据库架构师负责数据结构与存储，本职业负责面向决策的语义层；管理分析师做组织与流程层面的诊断，不承担指标工程；市场研究分析师侧重市场调研设计，营销专家与搜索营销策略师侧重营销投放与获客。名称相近或同属分析职能，都不代表口径所有权、数据权限与输出责任可以互换。
| 维度 | 主要方向 | 比较方向 |
|---|---|---|
| 核心目的 | 让决策者在明确口径与证据强度下看到当前业务状态：以可复算的指标、可解释的异常与可追溯的口径说明支撑运营与决策，并使指标在组织内保持一致。 | 核心目的 |
| 主要对象与依据 | 对象是业务问题与决策时点、数据仓储中的明细与汇总表、指标与维度定义、报表与仪表板产品、数据权限与合规要求；依据是指标契约与口径文档、数据血缘与质量规则、组织的数据分级与访问控制要求、适用隐私与行业合规要求，以及业务所有者对口径的批准。 | 主要对象与依据 |
| 核心过程 | 澄清决策问题、确认口径与粒度、取数与质量检查、建模与可视化、与业务方复核、发布并监控指标变化。 | 核心过程 |
| 主要产出 | 可复算的指标与指标字典、报表与仪表板、异常与归因分析、口径与假设说明、面向决策者的一页建议、查询与转换脚本、质量检查与测试记录，以及可复用的模板与文档库。 | 主要产出 |
| 责任主体 | 指标定义的一致性、查询可复算与图表不误导由分析师负责；业务口径的最终批准由业务所有者行使；数据平台与管道质量由数据工程团队负责；数据分级、访问控制与事件处置由数据治理与安全团队负责；对外披露与监管报送由组织授权角色确认；超出授权的判断须按流程升级。 | 责任主体 |
| 权限与批准 | 能否访问特定数据域、能否发布指标与仪表板、能否对外提供数据，由组织的数据分级与访问控制、口径批准流程与授权体系决定；权限来自最小知悉与行列级控制，不因技术熟练度自行产生；涉及敏感数据或个人信息的输出须按隐私与合规要求处理并留痕。 | 权限与批准 |
| 结论边界 | 指标与仪表板说明的是「在既定口径与数据质量条件下，业务呈现什么状态」；它不等于因果结论，也不替代业务判断与授权决策，并会随口径修订、数据刷新与业务变化而更新；引用时应同时说明版本与刷新时间。 | 结论边界 |
可复核的指标定义与口径说明。
查询脚本与质量检查记录。
经复核的报表与仪表板。
复核记录与决策建议。
发布记录与指标监控记录。
文档库与支持记录。
入职前至少核对六项：岗位职责（偏指标工程、偏报表交付还是偏业务分析）、数据域与权限范围、口径批准流程与业务所有者是谁、技术与工具栈（SQL 与 BI 平台）、交付节奏与值班/支持要求，以及是否承担数据合规与隐私相关责任。
职业口径
学历与培训路径
方法与工具
| 管理分析师（Management Analysts） | 诊断组织与流程问题、提出改进方案，产出以诊断报告与改革建议为主。 | 管理分析师从组织与流程层面提出建议，不承担指标工程与数据产品维护；本职业以可复算的数据产品与口径一致性为核心，结论须与数据证据强度匹配。 | 若你更愿意做组织诊断与流程改进，优先考察管理分析师；若你更愿意做数据产品与指标治理，优先考察本职业。 |
|---|
| 市场研究分析师与营销专家（Market Research Analysts and Marketing Specialists） | 设计并执行市场调研、评估市场与客户需求，产出以调研结论与营销建议为主。 | 市场研究分析师侧重调研设计与市场判断，营销专家侧重投放与获客执行；本职业侧重组织内部指标一致性与报表产品，不承担营销投放责任。 | 若你更愿意做市场调研与营销策划，优先考察市场研究方向；若你更愿意做指标与报表产品，优先考察本职业。 |
|---|
| 搜索营销策略师（Search Marketing Strategists） | 规划搜索与效果营销策略并优化投放，产出以获客效果与投放分析为主。 | 搜索营销策略师对营销渠道效果负责，分析服务于投放决策；本职业服务于组织整体指标与决策，不承担渠道投放的经营责任。 | 若你更愿意做渠道投放与效果优化，优先考察搜索营销策略师；若你更愿意做跨域指标与决策支持，优先考察本职业。 |
|---|
| 计算机与信息系统经理（Computer and Information Systems Managers） | 规划并管理信息系统与团队交付，产出以系统能力、项目交付与技术路线为主。 | 计算机与信息系统经理掌握平台与交付资源并对系统负责；本职业在既定平台与权限内定义指标、生产报表与解释异常，不承担系统建设与团队管理职责。 | 若你更愿意负责系统与团队，优先考察计算机与信息系统经理；若你更愿意深入指标与业务解释，优先考察本职业。 |
|---|
本页把分析师商业与五个相邻方向放在同一组维度上比较：职业方向、核心工作与产出、关键区别，以及每种偏好更适合选择哪一个方向。相邻方向按各自的官方职业说明描述，不代表岗位名称可以互换。
结论：方向选择的依据是主要产出、责任对象与所需权限，而不是名称的相近程度；确定方向后，应逐项核对目标岗位的职责边界、数据域与权限范围、口径批准流程与工具栈，并保留书面确认。
| 指标定义模板与口径文档整理可由工具辅助，口径归属判断仍需人工确认。 |
| 确认为什么要看、决策时点与可接受误差，判断是否需要向业务所有者升级确认。 |
| 取数与质量检查 | 编写与复核查询，执行质量检查并解释异常。 | 查询草稿可由工具生成，正确性与权限仍须逐段核对。 | 判断分母与时间窗是否可比、缺失与偏差是否影响结论，并对口径可辩护性负责。 |
|---|
| 建模与可视化 | 建立指标与维度模型，设计报表与仪表板并检查可用性。 | 图表建议与样式模板可由工具提供，表达取舍由人决定。 | 判断图表是否误导、维度与聚合是否正确，并对可视化表达负责。 |
|---|
| 复核与沟通 | 与业务方复核结论，形成面向决策者的一页建议。 | 摘要与演示稿初稿可辅助生成，结论边界仍需人工确认。 | 向业务方说明证据强度与限制，并接受对结论的复核。 |
|---|
| 发布与监控 | 按权限发布指标与仪表板，标注刷新时间并监控指标变化。 | 监控、刷新提醒与异常阈值告警可由系统承载。 | 对发布权限、刷新时效标注与质量告警负责。 |
|---|
| 支持与维护 | 维护模板与文档库、更新元数据并为使用者提供技术支持。 | 文档整理与工单跟踪可自动化，判断与优先级仍需人工。 | 判断反馈是否指向口径问题、数据问题或业务变化，并决定迭代方式。 |
|---|
| 带教与规范 | 带教新人指标定义、查询复核与可视化规范，示范异常与口径变更的留痕方式。 | 培训材料与规范文档整理可辅助，示范与复核仍需人工。 | 对指标与报表的可复算性、可解释性与文档完整性负责。 |
|---|
五张证据卡分别说明来源、研究对象、结论与使用限制；它们支持官方职责、任务口径、招聘技术信号、行业分布与任务暴露研究，不是 AI 替代率或岗位数量预测。
下表比较三组工作方向在自动化影响上的差别：哪些环节可被辅助，哪些判断与责任仍由人承担。
AI 主要改变查询草稿、图表建议与自然语言问数可由工具生成初稿。
仍由人负责判断指标是否回答业务问题、分母与时间窗是否可比，并对口径负责。
AI 主要改变指标监控、刷新提醒与异常阈值告警可由系统承载。
仍由人负责判断异常是数据问题还是业务问题，并决定是否阻止错误发布。
AI 主要改变文字摘要、元数据说明与文档初稿可由工具辅助整理。
仍由人负责向决策者说明证据强度与限制，并对建议的表达边界负责。
生成式工具进入指标流程时，人的控制点应按以下五步固定下来；任何一步缺失都不应扩大使用范围。
先确认业务问题、指标契约与口径批准状态、数据域与权限边界，以及个人可发布与可报告的范围。
只把可复核的查询草稿、图表建议、文字摘要与监控告警交给工具。
逐段回看查询连接、分母与时间窗、抽样与原始记录，判断数字是否真的回答业务问题。
保留口径版本、数据来源与刷新时间、复核意见与发布记录，使结论可追溯。
口径批准、对外披露与敏感数据使用由具备授权的人员按组织规则确认并留痕。
分母口径漂移会让部门结论相互冲突，且难以发现是口径问题还是业务变化。
控制方式：维护指标契约并做回归测试，口径变更由业务所有者批准并同步更新文档与仪表板。
权限过滤失效会导致敏感数据越权展示，造成合规与信任后果。
控制方式：按最小权限与行列级控制访问，定期复核权限与共享链接，异常由安全团队处置。
AI 生成查询连接错误或口径误解时，数字看似合理但含义错误。
控制方式：对照样本与血缘逐段复核查询，对关键指标做独立重算，并保留复核记录。
仪表板延迟未标注会让决策使用过期数据，导致错误结论。
控制方式：显示刷新时间并设置质量告警，关键决策前先确认数据时效与完整性。
在缺少权限或未经口径批准时发布指标，会造成合规与信任风险。
控制方式：发布前确认口径批准与权限范围；超出本人授权时停止并升级。
先用虚构数据完成一次完整闭环：把业务问题改写成指标定义与粒度、写出可复算的查询、做质量检查与异常解释、做出不误导的可视化，并向非技术读者说明限制；再核对目标岗位的职责边界（偏指标工程、报表交付还是业务分析）与数据权限范围。
把工具用在 SQL 草稿、图表建议、自然语言问数与摘要等可复核环节；查询正确性、口径一致性、抽样与分母、权限合规与发布结论，仍须由分析师逐段核对并留痕。
引入自然语言问数或自动生成查询的能力前，先明确可用数据域、权限与行列级控制、生成结果的复核责任人、审计留痕方式，保证任何输出都能回到原始表与指标契约，并保持业务所有者对口径的批准权。
把训练重点放在指标定义、SQL 与数据模型、质量检查与血缘追溯、可视化与传播、以及向决策者解释限制上；同时训练核对工具输出的习惯，尤其是分母、时间窗、连接关系与抽样偏差。
不会以整体取代的方式发生：口径所有权与批准、权限合规判断、异常归因与是否阻止发布的决定，仍需由有授权的人负责；工具改变的是可复核的草稿、抽取、整理与监控环节。
来源：O*NET 职业摘要 / 详细资料原始资料 ↗
需要基本的数据工具素养而不是通用编程能力：会写与复核 SQL、会用表格与 BI 工具、能读懂数据模型与血缘；是否需要用 Python 或 R 取决于岗位把分析做得多深。
来源：O*NET 技术清单 / 详细资料原始资料 ↗
查询草稿与复核、指标监控与刷新提醒、异常阈值告警、元数据与文档整理、自然语言问数等；这些环节可复核、可追溯。
来源：O*NET 详细资料 / 本页方法说明原始资料 ↗
本条证据路由对就业与预测数值以 暂无可安全使用的数据 处理，本页不提供具体数字；结论性判断应回到官方来源按精确职业代码、地区与期间查询。数据基础设施成熟度、自助分析与治理要求会改变岗位组合，但招聘关键词不能单独证明全国需求。
来源：O*NET 职业摘要（就业与预测字段）原始资料 ↗
不能。口径批准、权限合规判断与对外发布责任须由组织授权角色确认；系统既不能承担责任，也不能取得授权；工具只能提供可复核的草稿与记录支持。
来源：本页方法说明 / 组织数据治理制度原始资料 ↗
没有任何官方来源给出这样的年份。任务暴露、流程自动化程度与就业数量是不同概念，本页不做岗位消失年份预测。
来源：本页方法说明原始资料 ↗
优先学指标定义与口径管理、SQL 与数据模型、质量检查与血缘追溯、可视化设计与传播、以及向非技术读者解释限制；把工具与自动化能力排在数据正确性与口径一致性之后。
来源：O*NET 培训与教育信息 / 自定义职业档案原始资料 ↗
该职业内部的方向差异主要体现在数据域与职责范围：金融与保险以风险与合规口径为主、专业服务与咨询以多客户交付为主、信息与互联网行业以产品与增长指标为主、企业管理与内部职能以经营指标与报表体系为主；选择方向时应核对数据域与权限、口径批准流程与工具栈，而不是只看岗位名称。
中国大陆目前没有单列该职业的全国职业工资统计；本页只登记可核对的统计口径、职业映射边界与检索记录，不给出替代数值。
| 学历背景 | 岗位方向 | 说明与核对建议 |
|---|---|---|
| 本科及以上（数学与统计、信息系统、金融或会计方向） | 企业数据与经营分析岗位；金融、零售、互联网等行业的报表与指标岗位。 | 须在组织的数据分级与访问控制内工作；不得绕过审批接触敏感数据，也不得未经批准对外提供数据。 |
| 本科及以上并有数年相关经验（报表、指标体系或数据平台协同经验） | 指标与报表负责人；数据域分析岗位；面向经营决策的分析支持岗位。 | 该职业在中国大陆没有统一的个人执业许可；相关公开技术要求多以政策目录形式用于发现，不能直接支持职业级事实，实际要求来自组织数据治理制度与适用合规规则。 |
| 具备跨域指标治理与数据质量推进经验 | 指标治理与数据质量岗位；分析团队负责人；与数据工程协同的产品化分析岗位。 | 口径批准权与数据发布权仍由业务所有者与数据治理角色行使，不因技术熟练度自动取得。 |
| 实验设计、因果推断或数据产品化专项经验 | 实验与增长分析岗位；数据产品与分析平台协同岗位。 | 专项经验可作为能力材料；涉及个人信息与敏感数据的分析须遵守适用隐私与合规要求，并按组织数据治理制度留痕。 |
比较不同机会时应确认用工形式（企业内设岗位、外包与项目制）、数据域与权限范围、口径责任与报告线、值班与交付节奏，以及培训与工具成本的承担方；并明确本页不提供中国大陆该职业的工资数值。
咨询与专业服务机构的分析岗位可能归入该门类；该类仅公布行业均值，本页不据此推算或展示本职业工资。
银行、保险与证券机构的数据分析岗位可能归入该门类，且受更严格的数据与合规要求约束；本页不把该门类均值当作本职业工资。
互联网与软件企业的分析岗位可能归入该门类；本页不把该门类均值当作本职业工资，仅提示归类可能。
生成式工具会改变取数与文档整理环节，但不改变中国大陆对该职业的统计口径：职业级统计缺口与工具无关。
| 第 90 百分位 | 证据不足：本条证据路由不固化该职业的第 90 分位 | 官方折算，非个人实发工资 | 本页不提供高分段数值；官方页面数据不代表普遍水平，也不构成资历结论。 |
|---|
薪资 · 10 分位：证据不足：本条路由不固化该职业的静态工资数值。；本页不提供该职业的分布下限，需要时应按精确职业代码与地区、期间查询官方页面。；O*NET 全国工资分位页面（15-2051.01）
薪资 · 25 分位：证据不足：本条路由不固化该职业的第 25 分位。；官方页面按地区与期间提供数据，本页不转录分位数值，也不据此推算工资结构。；O*NET 全国工资分位页面（15-2051.01）
薪资 · 中位数：证据不足：本条路由不固化该职业的工资中位数。；该职业的官方工资中位数需在官方页面按地区与统计期间查询，本页不固化可能随地区和期间变化的数值。；O*NET 全国工资分位页面（15-2051.01）
薪资 · 75 分位：证据不足：本条路由不固化该职业的第 75 分位。；高分段通常与行业、数据域复杂度与管理职责相关，但本页不转录分位数值。；O*NET 全国工资分位页面（15-2051.01）
薪资 · 90 分位：证据不足：本条路由不固化该职业的第 90 分位。；本页不把分位解释为资历结论，需要时应按地区与期间查询官方来源。；O*NET 全国工资分位页面（15-2051.01）
中位数不是入门工资：它表示一半从业者高于、一半低于该值；本条路由不固化该值，应回到官方页面按地区与期间查看。
时薪与年薪是同一口径的两种呈现（该统计按标准工作年折算），不能据此推算个人实发收入、奖金或加班收入。
本条路由不提供具体数值：美国该职业的工资与就业数据由 O*NET 官方页面（Business Intelligence Analysts，15-2051.01）按地区与统计期间发布；该职业页面标注 Bright Outlook 与 Job Zone Four（SVP 7.0 至低于 8.0）。
实际收入还受用工形式（企业内设、外包与项目制）、行业监管强度、数据域复杂度与地区影响。
| 行业 | 该行业内本职业工资中位数 | 这个值怎么理解 |
|---|---|---|
| 专业、科学与技术服务（28%） | 证据不足：O*NET 与 BLS 未公布该职业按行业细分的工资中位数。 | O*NET 行业分布显示该职业 28% 位于专业、科学与技术服务行业。 |
| 金融与保险（19%） | 证据不足：O*NET 与 BLS 未公布该职业按行业细分的工资中位数。 | O*NET 行业分布显示金融与保险占 19%，本页不据此推算其工资。 |
| 其他行业（32%） | 证据不足：O*NET 与 BLS 未公布该职业按行业细分的工资中位数。 | O*NET 把其余 32% 合并为「其他行业」（含行政与支持服务、医疗与社会救助）；本页不拆分该部分，也不推算其工资。 |
| 其他行业细分未公布 | 证据不足：O*NET 与 BLS 未公布该职业按行业细分的工资中位数。 | O*NET 未公布「其他行业」的进一步构成；本页不推测该部分构成或工资。 |
学历与训练通常影响起点：O*NET 把该职业列为 Job Zone Four（需要大量准备，SVP 7.0 至低于 8.0），多数岗位要求四年制学士学位，部分不要求，通常还需要数年相关工作技能、在职培训或职业培训；学历与证书通常是雇主偏好而非统一执照。
行业与雇主类型影响报酬：O*NET 行业分布显示专业、科学与技术服务 28%、金融与保险 19%、信息业 11%、企业管理 10%、其他行业 32%；不同行业的数据规模、合规强度与决策影响不同。
职责范围影响报酬：是否负责跨域指标治理、是否承担数据质量与权限合规责任、是否参与对外披露与监管报送，通常比单纯维护报表更影响报酬水平。
就业与预测数值需在官方来源按精确职业代码与统计期间查询，本页不转录。；O*NET-SOC 15-2051.01 职业摘要
该职业页面标注 Bright Outlook，但本条路由不固化增长率数值，避免与地区、期间错配。；O*NET-SOC 15-2051.01 职业摘要
空缺与增长均为统计口径，需按精确职业代码与期间查询，不构成个人就业保证。；O*NET-SOC 15-2051.01 职业摘要
O*NET 职业兴趣基线
CIE（常规型、研究型、企业型）兴趣画像：O*NET 把该职业的兴趣代码列为 CIE，常规型对应按程序与规则组织数据（信息技术、数学与统计、金融、会计、办公室工作），研究型对应研究分析（数学与统计），企业型对应商务建议与推动（金融）。
适配信号：更有解释力的信号是能追问指标如何计算、把模糊业务问题改写成可验证定义、愿意复查数据血缘和权限、并能向非技术决策者解释限制；会用某个 BI 工具不足以证明胜任。
霍兰德兴趣中什么类型更接近分析师商业？
霍兰德兴趣代码为 CIE（常规型、研究型、企业型）：常规型对应遵循程序与规则组织信息与数据，具体领域包括信息技术、数学与统计、金融、会计与办公室工作；研究型对应研究与分析类活动，具体领域为数学与统计；企业型对应管理与商务情境中的建议与推动，具体领域为金融。
别这样用：注意：兴趣测试结果与职业兴趣代码一致，只说明方向接近，不代表你已具备指标定义、查询复核与可视化表达所需的能力与权限。
测我的霍兰德职业兴趣大五人格哪些特质与这份工作更相关？
大五人格中与工作方式更相关的是尽责性（按周期维护指标与文档、逐段复核查询）、情绪稳定性（面对口径质疑与交付节点）与宜人性（与业务方、数据工程与治理团队配合）。这些关联来自一般性研究结论，强度低于实际表现。
别这样用：注意：把人格分数当作能力结论是常见误用；本页不提供分数阈值或人格类型名单。
查看我的大五人格特质MBTI 能用来判断我适不适合分析师商业吗？
MBTI 不是职业适配或专业胜任的评估工具，也没有官方资料支持「某种类型最适合分析师商业」的说法。可用于自我反思与沟通偏好理解，但不能用于培训投入或录用筛选。
别这样用：注意：本页不列出任何「最适合」的类型，也不认可以此筛选候选人。
了解我的 MBTI 偏好九型人格能说明我适不适合这个职业吗？
九型人格同样不是职业适配工具，缺乏官方职业资料支持，也不用于录用或胜任判断。可用于自我反思，但不能据此决定是否投入长期训练与认证。
别这样用：注意：本页不提供类型与岗位的对应关系。
探索我的九型人格模式数学不好，能做分析师商业吗？
该职业重点考查分析与精确性：O*NET 工作活动以分析数据或信息（93）、使用计算机（92）、处理信息（91）、为他人解释信息含义（89）与获取信息（88）为主；技能以阅读理解（75）、主动学习与主动倾听（各 72）、批判性思维与口头表达（各 72）为主，数学为 63。回避口径、血缘与权限会直接放大结论错误与合规风险。
别这样用：注意：本页不把任何测试分数当作准入或淘汰依据。
了解我的智力与推理表现做分析师商业需要高情商吗？
情绪与耐受能力有帮助：需要在口径争议、数据异常与交付节点压力下保持稳定，并坚持先核对再表态。但这类能力不能用单一分数定义，也不能替代数据质量与口径管理经验。
别这样用：注意：本页不提供情绪能力阈值，也不把高分等同于胜任。
了解我的情绪智力能力更匹配：愿意在既定指标之外做探索性分析与建模，接受结论不确定性与反复验证。
注意：需要补足统计与建模方法；产出从稳定指标转向一次性发现与推断。
查看相关职业：数据科学家更匹配：愿意深入数据管道、存储与运行可靠性，接受与工程团队紧密协作。
注意：需要补足工程与平台知识；职责从指标呈现转向数据供给与管道质量。
查看相关职业：数据仓储专家更匹配：愿意围绕组织与流程问题做诊断与改进建议，接受多方访谈与方案推动。
注意：需要补足组织诊断与流程改进方法；产出从数据产品转向管理建议。
查看相关职业：管理分析师更匹配：愿意设计调研并解读市场与客户数据，接受结论面向市场决策。
注意：需要补足调研设计与市场分析方法；数据域从内部运营扩展到外部市场。
查看相关职业：市场研究分析师与营销专家更匹配：愿意围绕投放与获客做效果分析，接受与营销团队共建目标。
注意：需要补足渠道指标与实验方法；分析结论直接服务投放决策。
查看相关职业：搜索营销策略师更匹配：愿意负责系统建设与团队交付，接受预算、进度与人员管理责任。
注意：需要补足系统规划与团队管理能力；职责从分析交付转向系统与团队。
查看相关职业：计算机与信息系统经理与其说某种性格，不如说某种工作方式：把问题问清、把口径写死、把查询做成可复算、把不确定与限制说明白、在被质疑时先核对再表态。O*NET 工作活动强调分析数据、使用计算机、处理信息与解释信息含义。
适合与否不取决于内外向。工作情境显示 95% 每天使用电子邮件、37% 每天电话交谈、32% 每天面对面讨论，而 14% 持续接触他人、36% 约一半时间接触他人；能否把需求与口径确认清楚，比外向程度更关键。
能。外向有助于跨部门推动与需求澄清，但工作仍以独立分析与精确性为主（77% 持续坐着、64% 表示准确无误极其重要）；能否接受复核与纠正，比表达欲更关键。
没有官方结论，也不存在最适合的类型。MBTI 只能帮助整理偏好并提出核对问题，不能预测专业胜任力或录用结果；本页不提供类型名单。
O*NET 把该职业的兴趣代码列为 CIE（常规型、研究型、企业型）：常规型对应按程序与规则组织数据（信息技术、数学与统计、金融、会计、办公室工作），研究型对应研究分析（数学与统计），企业型对应商务建议与推动（金融）。兴趣代码描述职业群体特征，不是个人适配结论。
不能。人格与兴趣工具的效度有限，不能替代可复算的指标、可追溯的口径文档与经复核的交付记录；本页只用它们提出核对问题。
不建议在该职业上长期投入：工作以长时间坐着处理数据与文档为主（77% 持续或几乎持续坐着、95% 每天使用电子邮件、64% 表示准确无误极其重要、出错后果相当严重以上合计约 82%），且交付节点常与报表周期绑定；可以先在一次完整的虚构分析练习后再判断。
情绪与耐受能力确实有帮助：需要在口径争议、数据异常与交付压力下保持稳定、坚持先核对再表态。但这类能力不能用单一分数定义，也不能替代数据质量与口径管理经验。
不能。九型人格不是职业适配或胜任评估工具，也不被官方职业资料用作录用依据；可用于自我反思，但不能据此做培训投入决定。
用可复核的产出判断：一份指标定义与口径说明、一份可复算的查询与质量检查记录、一份不含误导性表达的可视化与一页决策建议。若你能按方法完成并被复核通过，说明你具备基本适配条件。
典型场景：为方便取数扩大权限或绕过审批接触敏感数据域。
主要岗位：分析师与数据治理及安全团队
可能后果：权限过滤失效或共享链接过宽会导致敏感数据越权展示，造成合规与信任后果。
降低风险：按最小权限与行列级控制访问，定期复核权限与共享范围，异常按事件流程报告。
依据：career.source.onet-details · career.source.onet-summary
典型场景：把工具生成的结果直接发布，不做独立重算。
主要岗位：分析师（本人）
可能后果：生成式工具生成的查询存在连接错误或口径误解时，数字看似合理但含义错误。
降低风险：对照样本与数据血缘逐段复核查询，对关键指标做独立重算，并保留复核记录。
依据：career.source.onet-details · career.source.faa-design-approvals
典型场景：默认数据是最新的，或把未完成的更新结果当作最终口径。
主要岗位：分析师与决策者
可能后果：仪表板刷新延迟未标注会让决策使用过期数据，得出错误结论。
降低风险：显示刷新时间并设置质量告警；关键决策前先确认数据时效与完整性。
依据：career.source.onet-summary · career.source.bls-outlook
典型场景：把关键逻辑留在个人脚本里，不做文档与交接。
主要岗位：分析师与数据工程团队
可能后果：口径与血缘文档缺失时，结论无法复算，人员变动后指标难以维护。
降低风险：维护指标字典与血缘记录，把转换逻辑纳入版本管理并定期回归验证。
依据：career.source.onet-details · career.source.nasa-seh
典型场景：以「业务需要」为由跳过审批直接对外提供数据。
主要岗位：治理与合规岗位
可能后果：敏感数据或个人信息对外提供、披露时缺少合规依据与留痕，会造成严重后果。
降低风险：对外提供前确认授权与合规依据，按最小必要原则脱敏，并保留审批与提供记录。
依据：career.source.bls-outlook · career.source.onet-17-3021
| 雇主通常看什么 |
|---|
| 没经验如何证明 |
|---|
| 与其他方向的区别 |
|---|
| 企业内设数据与经营分析岗位 | 在带教下完成取数、质量检查与报表更新，学习指标定义与口径文档的写法。 | 用工方看重可复算的查询、文档质量与业务沟通能力。 | 提交一份含口径说明与质量检查记录的指标交付样例。 | 此路径不涉及口径批准权与对外发布权；权限由组织数据分级与审批确定。 |
|---|---|---|---|---|
| 金融与保险机构的数据分析岗位 | 在合规约束下完成风险、运营与客户指标的分析与报表，参与口径评审。 | 用工方看重合规意识、数据质量与跨部门协作。 | 提交一份在虚构场景下完成的指标口径与复核说明。 | 金融行业对数据权限与留痕要求更严；分析结论不构成对外披露依据。 |
| 互联网与软件企业的产品与增长分析岗位 | 围绕产品与增长指标完成埋点校验、漏斗分析与实验解读。 | 用工方看重数据建模、实验方法与快速迭代能力。 | 提交一份漏斗分析或实验解读样例（使用虚构数据）。 | 实验结论的统计显著性判断需要方法支撑；不得用单次结果替代长期证据。 |
| 咨询与专业服务机构的分析岗位 | 在项目上完成数据整理、指标体系设计与客户汇报材料编制。 | 用工方看重方法论熟练度、交付质量与客户沟通。 | 提交一份虚构客户场景的指标体系与一页建议。 | 咨询交付不承担客户组织的口径批准与发布责任。 |
| 相邻方向转入（数据工程、市场研究、系统分析） | 把原有领域经验映射到指标与报表交付，补齐数据模型与质量检查能力。 | 用工方看重可迁移能力与补齐方法论的证据。 | 提交一份把既有工作转写为指标与口径语言的样例说明。 | 转岗不自动带来数据权限；需按目标组织制度重新取得授权。 |
企业内设数据与经营分析岗位
入职初期主要做什么
在带教下完成取数、质量检查与报表更新，学习指标定义与口径文档的写法。
雇主通常看什么
用工方看重可复算的查询、文档质量与业务沟通能力。
没经验如何证明
提交一份含口径说明与质量检查记录的指标交付样例。
与其他方向的区别
此路径不涉及口径批准权与对外发布权；权限由组织数据分级与审批确定。
金融与保险机构的数据分析岗位
入职初期主要做什么
在合规约束下完成风险、运营与客户指标的分析与报表，参与口径评审。
雇主通常看什么
用工方看重合规意识、数据质量与跨部门协作。
没经验如何证明
提交一份在虚构场景下完成的指标口径与复核说明。
与其他方向的区别
金融行业对数据权限与留痕要求更严；分析结论不构成对外披露依据。
互联网与软件企业的产品与增长分析岗位
入职初期主要做什么
围绕产品与增长指标完成埋点校验、漏斗分析与实验解读。
雇主通常看什么
用工方看重数据建模、实验方法与快速迭代能力。
没经验如何证明
提交一份漏斗分析或实验解读样例（使用虚构数据）。
与其他方向的区别
实验结论的统计显著性判断需要方法支撑；不得用单次结果替代长期证据。
咨询与专业服务机构的分析岗位
入职初期主要做什么
在项目上完成数据整理、指标体系设计与客户汇报材料编制。
雇主通常看什么
用工方看重方法论熟练度、交付质量与客户沟通。
没经验如何证明
提交一份虚构客户场景的指标体系与一页建议。
与其他方向的区别
咨询交付不承担客户组织的口径批准与发布责任。
相邻方向转入（数据工程、市场研究、系统分析）
入职初期主要做什么
把原有领域经验映射到指标与报表交付，补齐数据模型与质量检查能力。
雇主通常看什么
用工方看重可迁移能力与补齐方法论的证据。
没经验如何证明
提交一份把既有工作转写为指标与口径语言的样例说明。
与其他方向的区别
转岗不自动带来数据权限；需按目标组织制度重新取得授权。
常见知识背景为数学与统计、信息系统、金融与会计；学历与证书通常是雇主偏好而非统一执照。
该职业在 O*NET 页面标注 Bright Outlook。
敏感数据域采用行列级控制与审批；共享与导出须按制度执行并留痕。
部分行业（金融、医疗等）对数据使用与个人信息处理有额外合规要求。
技能以阅读理解（75）、主动学习与主动倾听（各 72）、批判性思维与口头表达（各 72）为主。
工作风格包含成就导向、正直、注重细节与可靠性。
常用方法工具包括指标契约与口径文档、数据血缘与质量规则、维度建模、查询与转换脚本、仪表板设计与可用性检查。
招聘需求标注表示招聘启事中的出现频率，不代表机构已部署该类工具。
工具：SQL 环境或表格工具、BI 报表工具或电子表格模板；不连接任何真实生产数据源。
边界说明：练习不得用于真实业务决策、对外披露或作为合规结论。
时间安排：一次 60 分钟需求澄清与指标定义 + 一次 90 分钟取数与质量检查 + 一次 60 分钟可视化与一页建议。
编写可复算的查询并完成质量检查：总量核对、缺失与重复检查、异常解释。
设计一个不误导的可视化，并写出一页决策建议（含证据强度与限制）。
对关键指标做独立重算，并把复核过程写成可交接的记录。
可视化遵循「不截断纵轴误导、标注刷新时间与口径」的原则。
不得把练习结果包装成数据合规结论或经营承诺。
每项都注明来源与资料期；无法核实的项留空并标记为证据不足，不用推测填补。
把「工具技能」「数据权限」「口径批准权」「发布权」分列，避免混为一谈。
把复核意见与修改理由一并保留，作为你能否接受专业复核的证据。
记录复核人指出的每一处问题及你后续的修改，形成可复核的改进记录。
把改进项写成可跟踪清单，注明验证方式（虚构设置）。
说明哪些环节使用了工具辅助（如查询草稿）、哪些判断必须由人完成（口径与复核）。
投递前
可能考察
核对岗位职责（偏指标工程、报表交付还是业务分析）、数据域与权限范围、口径批准流程与工具栈，并准备可复算的交付样例。
观察证据
一份含数据来源、口径说明与质量检查记录的指标或分析样例；能说清分母与时间窗。
使用边界
不把会用某个 BI 工具当作能独立交付的证明；样例只作能力参考，不等于数据权限。
面试中
可能考察
情景提问：发现两个部门对同一指标结论冲突时如何推进。
观察证据
能说明如何核对口径与血缘、如何定位漂移、如何升级到业务所有者批准并同步文档。
使用边界
不承诺超出岗位权限的数据访问或对外发布；情景回答不等于获得权限。
试用期
可能考察
在监督下完成一个数据域的取数、质量检查与报表更新，接受对口径文档与查询复核的检查。
观察证据
查询可复算、口径与假设清楚、异常有解释、权限使用合规、问题及时升级。
使用边界
不擅自访问未授权数据域或对外提供数据；口径变更须经批准。
转正评估
可能考察
以完成的指标交付、口径文档与复核记录为主要依据。
观察证据
能在数据不完整时说明限制与不确定性，并能接受复核意见并修改。
使用边界
转正不自动获得跨域口径批准权；后续授权按组织制度逐级取得。
产出：一页任务与权限边界对照表，标注每项来源。
产出：一份指标定义模板与陷阱清单。
产出：一份可复算的查询与质量检查记录。
产出：一份可视化说明与设计依据。
产出：一页决策建议。
产出：一份复核意见与修改说明。
产出：一份七日判断记录。
学历（学士及以上，数学与统计、信息系统、金融或会计方向）
主要适合谁
希望进入该职业的求职者
求职现实作用
影响简历筛选与知识基础，但不决定数据权限。
是否普遍入职门槛
属于常见门槛：O*NET 列为 Job Zone Four，多数岗位要求四年制学士学位。
报考／注册条件
受访者学历构成为 O*NET 教育信息口径；部分岗位不要求学位但要求经验。
投入等级
按学制与学费投入。
重要限制
学历不等于数据权限或口径批准权。
相关工作经验（数年）
主要适合谁
转入该职业的人
求职现实作用
决定能否独立负责数据域与口径治理。
是否普遍入职门槛
属于通行要求：Job Zone Four 通常需要数年相关工作技能或在职培训。
报考／注册条件
常见来源为报表、运营分析、金融或系统分析岗位。
投入等级
按在职年限投入。
重要限制
经验不自动转换为权限。
数据分析与 BI 工具认证
主要适合谁
从事分析与报表交付的人员
求职现实作用
典型职责：对查询正确性、口径记录与交付及时性负责。
晋升证据：可复算的查询与质量检查记录，且无越权访问记录。
资格边界：学士学位（数学与统计、信息系统、金融或会计方向相关），并通过保密与数据使用培训。
下一步：在带教下完成取数、质量检查与报表更新，学习指标定义与口径文档写法。
典型职责：对指标口径一致性、结论解释边界负责。
晋升证据：经复核的指标定义、查询脚本与质量检查记录。
资格边界：完成工具与建模训练，并在一个数据域内独立交付过指标。
下一步：独立负责一个数据域的指标定义、查询复核与报表交付，参与口径评审。
典型职责：对跨域结论的一致性与表达边界负责。
晋升证据：跨域口径说明、复核记录与决策建议材料。
资格边界：具备跨域口径对齐与业务沟通经验。
下一步：推动跨域指标对齐、组织复核并向决策者说明证据强度。
典型职责：对体系有效性、数据质量与合规配合负责。
晋升证据：指标体系文件、数据质量与合规配合记录、带教材料。
资格边界：具备数据质量治理、权限合规与团队培养经验。
下一步：负责指标与数据产品体系、数据质量与合规配合，并带教团队。
典型职责：对数据可用性与质量规则执行的准确性负责。
晋升证据：可复核的数据模型说明与质量规则记录。
资格边界：学士学位（信息系统或计算机方向相关），具备基础 SQL 与数据模型知识。
下一步：在带教下参与数据模型理解、管道监控与数据质量规则维护。
典型职责：对数据供给口径与质量规则的准确性负责。
晋升证据：数据模型与血缘文档、质量规则与回归测试记录。
资格边界：掌握数据建模、管道与调度工具，并参与过一个数据域的建设。
下一步：独立负责数据域建模、质量规则与口径落地，支撑分析交付。
典型职责：对数据域口径落地与跨团队协作结果负责。
晋升证据：架构说明、指标落地记录与协作复盘材料。
资格边界：具备跨域数据架构理解与协作经验。
下一步：主导数据域建模与指标落地，协调分析、工程与治理多方。
典型职责：对平台能力、成本与治理配套负责。
平台规划文件、成本与治理记录、团队培养材料。
典型职责：对交付质量与客户资料保密负责。
晋升证据：可复核的项目交付物与客户沟通记录。
资格边界：学士学位与基础分析方法训练。
下一步：在项目上完成数据整理、指标体系初步设计与汇报材料支持。
典型职责：对方法适用性与结论边界负责。
晋升证据：独立交付的项目成果与客户反馈记录。
资格边界：具备多行业项目经验与独立交付能力。
下一步：独立承担指标体系设计、分析交付与管理层汇报。
典型职责：对项目结论与管理层建议负责。
晋升证据：体系设计文件、管理层汇报与项目复盘记录。
资格边界：具备复杂项目与多方协调经验。
下一步：主导跨域指标设计与管理层决策支持项目，协调客户多部门。
典型职责：对方法论适用性与交付质量负责。
晋升证据：方法论文件、质量复核记录与培训材料。
具备方法论建设、质量复核与团队培养经验。
能在监督下完成取数、质量检查与报表更新，识别需要请示的口径与权限问题。
能独立负责一个数据域的指标定义、查询复核与报表交付。
能跨域治理指标口径、组织复核并把结论讲给决策者。
能负责指标与数据产品体系、数据质量与权限合规，并带教团队。
美国 · exact
Bright Outlook；Job Zone Four（SVP 7.0 至低于 8.0）
前景标签与准备层级
O*NET 页面标注 Bright Outlook、Job Zone Four（SVP 7.0 至低于 8.0），但本条路由不固化增长与空缺数值。
不能说明：增长与空缺为统计口径，需按精确职业代码与期间查询官方来源；不构成个人就业保证。
中国大陆 · 暂无可安全使用的数据
证据不足：未取得该职业的全国职业工资与就业分布
行业与岗位类别口径（仅登记，不展示数值）
国家统计局按行业门类与岗位类别公布平均工资，但没有单列本职业；本页不据此推算或展示本职业工资，也不使用替代数值。
不能说明：该口径为行业与岗位类别均值，不建立与本条目的职业级对应关系；本页只登记口径与映射边界，不发布数值。
这些是能力邻近关系，不代表自动晋升或无需补课。
可迁移：可迁移的是数据分析、建模与结论解释能力。
需补足：需要补足统计与建模方法；产出从稳定指标转向探索与推断。
查看职业详情可迁移：可迁移的是数据模型理解与质量意识。
需补足：需要补足数据管道、存储与运行可靠性知识。
查看职业详情可迁移：可迁移的是数据模型与口径理解能力。
需补足：需要补足数据结构、存储与性能设计知识。
查看职业详情可迁移：可迁移的是分析、访谈与建议表达能力。
需补足：需要补足组织诊断与流程改进方法。
查看职业详情可迁移：可迁移的是数据解读与汇报能力。
需补足：需要补足调研设计与市场判断方法。
查看职业详情可迁移：可迁移的是指标定义与效果评估能力。
需补足：需要补足渠道指标、投放与实验方法。
查看职业详情可迁移：可迁移的是数据平台理解与跨部门协作能力。
需补足：需要补足系统规划、团队交付与预算管理能力。
查看职业详情可迁移：可迁移的是数据权限与合规意识。
需补足：需要补足安全控制、权限体系与事件响应知识。
查看职业详情查询草稿、图表建议、自然语言问数、文字摘要与文档整理等环节可被辅助；指标是否回答业务问题、分母与时间窗是否可比、权限是否合规、是否阻止错误发布，仍由分析师核对并负责。
指标定义与口径批准、查询连接与分母的最终核对、数据血缘与权限确认、异常归因与是否发布的判断、对外提供数据的合规确认，都必须由有授权的人完成并留痕。
需要分别核对学历与经验门槛（O*NET 列为 Job Zone Four，多数岗位要求四年制学士学位并通常需要数年相关经验）、工具与建模能力、数据访问权限与合规培训要求、口径批准流程与业务所有者；该职业没有统一执业许可，证书通常是雇主偏好而非执照。
O*NET 工作情境显示以桌面分析为主：77% 持续或几乎持续坐着、81% 每天在环境受控的室内工作、95% 每天使用电子邮件，体力活动与危险暴露项几乎全部为「从不」；主要负荷来自长时间精确处理、交付节点压力与跨部门沟通。
91% 为规律工作日程、67% 每周工作 40 小时、33% 超过 40 小时；37% 每天电话交谈、32% 每天面对面讨论、29% 每天撰写信件与备忘录；时间压力以每周频率为主（50%），报表周期与月度结账可能带来集中加班。
本条证据路由对工资、就业与预测数值均以 暂无可安全使用的数据 处理，本页不转录具体数字；该职业页面标注 Bright Outlook 与 Job Zone Four。市场判断应按精确职业代码与地区、期间查询官方来源。转向相邻方向（数据科学、数据工程、市场研究、系统分析等）须补足对应的工具、方法与授权证据。
美国该职业的工资由 O*NET 官方页面按地区与统计期间发布，本条路由不固化可能变化的静态数值；中国大陆没有单列该职业的全国职业工资统计，本页按证据路由不展示未经支持的数值，只保留统计口径、职业映射边界与检索记录；两地口径与期间不同，不能并列比较或换算。
O*NET 技术清单共列 100 项软件技能，需求最高的包括 SQL、Microsoft Power BI、Python、Tableau、SAP 与 Excel，其后为 R 与云平台服务；核心能力是指标定义与口径管理、查询编写与复核、数据模型理解、质量检查与血缘追溯、可视化设计与传播，以及向非技术读者解释限制。
分析工作通常接触业务明细与个人信息：应按最小权限与行列级控制访问，按组织数据分级制度申请与复核权限，共享与导出须留痕，敏感数据对外提供前须确认授权与合规依据并做最小必要脱敏；发现越权展示或异常应按事件流程报告。
81% 每天在环境受控的室内工作、77% 持续或几乎持续坐着、95% 每天使用电子邮件、32% 每天进行面对面讨论、29% 每天撰写信件与备忘录；需要与业务所有者对齐口径、与数据工程确认血缘与质量、与治理与安全团队确认权限，协作以书面与异步沟通为主。
费马测试职业内容编辑组：依据 O*NET、ILO 工作论文与组织数据治理通行做法等公开资料整理，逐项标注口径、数据期与缺口。
资料期：O*NET 页面为 2026 年更新；工资与就业数据由 O*NET 官方页面按地区与统计期间发布（本条路由不固化数值）；行业分布为 O*NET 2024 年口径；国家统计局数据为 2025 年、2026-05-15 发布；ILO 工作论文 140 为 2025-05-20 发布；检索日 2026-09-16。
主要来源：O*NET-SOC 15-2051.01 职业摘要、详细资料、自定义职业档案、技术清单、行业分布、培训与教育信息与全国工资分位页面；ILO 工作论文 140《Generative AI and Jobs》；国家统计局工资发布口径与人力资源社会保障部门薪酬调查信息的公开说明。
使用限制：任务清单描述职业群体工作，不代表每个岗位都承担全部 17 项任务。
使用限制：美国职业分类，不直接证明中国大陆的岗位身份、数据权限与任职要求。
使用限制：行业分布描述统计分类，不用于推导行业工资或就业规模。
使用限制：标注表示招聘启事中的出现频率，不代表机构已部署该类工具或岗位已被替代。
使用限制：学历构成为受访者估计，不构成对任何项目或机构的推荐。
使用限制：本条证据路由记为 （暂无可安全使用的数据），要求不固化可能随地区和期间变化的数值；本页只提供该查询入口与口径说明，不转录数值。
使用限制：该页面按地区与期间提供官方工资数据；本页不转录分位或中位数，也不提供起薪推算，并明确不能把地区数据当作个人报价。
使用限制：该职业页面标注 Bright Outlook 与 Job Zone Four；本条路由不固化就业与预测数值，需要时应按精确职业代码与期间查询官方来源。
使用限制：按行业门类与岗位类别汇总，未单列该职业；本条路由不展示其数值，也不据此推算本职业工资。
使用限制：共享职业分类入口仅用于发现；其职业细类与「分析师商业」无一一对应关系，须按岗位实际职责判断，也不建立职业工资统计口径。
使用限制：该薪酬调查按岗位与行业分类汇总，本轮未建立与 Business Intelligence Analysts（15-2051.01）一一对应的职业级分布；本条路由不展示其数值，只登记来源与映射边界。
使用限制：任务暴露指数不提供单职业岗位数量预测，也不是采用率或失业率。
使用限制：编辑整理记录，用于说明口径与缺口，不作为事实来源。
使用限制：工作情境描述职业群体的作业条件分布，不代表单个岗位的具体安排。
使用限制：该页面是官方工资查询入口；本页不转录其数值，也不作为个人报价或录用承诺。
使用限制：任务清单描述职业群体工作，不代表每个岗位都承担全部任务。
使用限制：自定义档案用于说明官方可选取的字段范围，不设定个人胜任阈值。
使用说明：本页身份口径为 O*NET-SOC 15-2051.01（Business Intelligence Analysts）；本条证据路由把美国工资与中国大陆工资均记为 暂无可安全使用的数据，因此本页不转录任何具体工资、就业或空缺数值：美国提供按地区与期间查询的官方入口，中国大陆保留缺口、来源与职业映射边界；该职业没有统一执业许可，学历与证书通常是雇主偏好而非执照。
MBTI (English) · Big Five (English) · MBTI (中文) · Big Five (中文)
安全与作业许可
培训与法规要求
报酬与工时
作为学习信号，影响筛选但不建立执业授权。
是否普遍入职门槛
不属于法定要求，也不是统一执照。
报考／注册条件
常见内容为 SQL、BI 平台与数据建模；部分认证需继续教育。
投入等级
按考试与维持费用投入。
重要限制
认证不赋予数据权限、口径批准权或合规结论。
行业与合规培训（金融、医疗、隐私）
主要适合谁
特定行业岗位
求职现实作用
影响能否在合规约束下处理数据。
是否普遍入职门槛
部分行业要求额外背景或合规培训。
报考／注册条件
通常通过组织内部培训与行业项目取得。
投入等级
按培训与项目投入。
重要限制
培训不构成对外合规声明依据。
统计与实验方法训练
主要适合谁
需要做实验与推断的岗位
求职现实作用
影响结论的可信度与解释边界。
是否普遍入职门槛
属于岗位技能而非资格门槛。
报考／注册条件
常见内容为实验设计、显著性、因果边界。
投入等级
按课程与项目投入。
重要限制
方法能力不替代数据权限与口径批准。
文档与沟通能力（指标字典、汇报）
主要适合谁
所有岗位层级
求职现实作用
影响指标能否被正确使用与维护。
是否普遍入职门槛
属于岗位核心能力而非资格门槛。
报考／注册条件
常见产出为指标字典、口径说明与一页建议。
投入等级
按实践与反馈投入。
重要限制
文档能力不替代复核与批准流程。
资格边界：具备平台规划、成本与治理经验。
下一步：负责数据平台与指标服务的规划、成本与治理配套，并培养团队。
下一步：负责方法论与交付质量、团队培养与业务拓展支持。